[DP]斜率优化学习小结

蒟蒻花了一个晚上研究斜率优化qwq 不过大概还是搞明白了.

斜率优化是啥

其实是一种优化动态规划的方法.我认为斜率优化是建立在决策单调性的基础上的.如对于形如这样的状态转移方程$f[i]= min/max(f[j]+xxx(j<i))$其复杂度为$O(n^2)$而我们通过化式子来得到无论对于哪一个i,在j点进行决策一定要比k点进行决策更优,可以证明时间复杂度可降为$O(n)$

如何进行斜率优化?

首先先从一道入门题开始吧!
BZOJ1010 玩具装箱
首先我们可以很容易地得到朴素的状态转移方程:$f[i]=min(f[j]+(sum[i]-sum[j]+i-j-1-L)^2)$ 其中$sum[i]$表示$c[i]$的前缀和,且$j<i$
接下来考虑优化,我们设$j<k$且在k决策比在j决策更优,即有$f[k]+(sum[i]+i-sum[k]-k-1-L)^2<f[j]+(sum[i]+i-sum[j]-j-1-L)^2$
设$T[i]=sum[i]+i$
则我们展开上式有$\frac{f[k]-f[j]+(T[k]+L+1)^2-(T(j)+L+1)^2}{2*(T[k]-T[j])}<T[i]$
我们设$y_i=f[i]-(T[i]+L+1)^2,x_i=2*T[i]$
则上式可以化为$\frac{y_k-y_j}{x_k-x_j}<T[i]$
我们发现对于$k=j+1$ 则在j+1决策比在j决策更优当且仅当$\frac{y_{j+1}-y_j}{x_{j+1}-x_j}<T[i]$,即我们可以舍去j这个决策点.
那么我们可以用单调队列维护这个上凸性的东西,l代表队首,r代表队尾
而当$\frac{y_i-y_{q[r]}}{x_i-x_{q[r]}}<\frac{y_{q[r]}-y_{q[r-1]}}{x_{q[r]}-x_{q[r-1]}}$时,在r-1决策一定要比在r决策要更优,pop队尾
代码如下

#include<iostream>
#include<iomanip>
#include<cstdio>
#include<algorithm>
#include<cmath>
#include<cstring>
#define maxn 50010
#define ll long long
using namespace std;
ll n,s[maxn],f[maxn],l,q[maxn],head,tail;
ll p(ll v) {return s[v]+v;}
double xl(ll k,ll j)
{return (f[k]-f[j]+(p(k)+l)*(p(k)+l)-(p(j)+l)*(p(j)+l))/(2.0*(p(k)-p(j)));}
int main()
{
    scanf("%lld%lld",&n,&l);l++;
    for(ll i=1;i<=n;++i)
    {scanf("%lld",&s[i]);s[i]+=s[i-1];}
    head=tail=1;
    for(int i=1;i<=n;++i)
    {
        while(head<tail&&xl(q[head],q[head+1])<=p(i)) head++;
        ll j=q[head];
        f[i]=f[j]+(p(i)-p(j)-l)*(p(i)-p(j)-l);
        while(head<tail&&xl(q[tail-1],q[tail])>xl(q[tail],i)) tail--;
        q[++tail]=i;
    }
    cout<<f[n];
    return 0;
}

送几道水题:
BZOJ1597
BZOJ1911
BZOJ3156